BlinkNet-Q: Eine Software zur Identifizierung von nicht vollständigem Pupillenmodell, die auf tiefgr

Eine internationale medizinische Studie bringt neue Erkenntnisse, mit denen zusammenhängende Ergebnisse eine wichtige Referenzwert für die Krankheitsbekämpfung von COP haben. Die Entwicklung und Verifizierung von kurzfristigen quantitativen Berechnungen von Blink-Raten und unvollständigen Blink-Q-Software, die auf DLM-1 und DLM-2 basieren und das Dual-Depth-Learning-Modell ('BlinkNet-Q') verifizieren. Die Entwicklung der Cohort umfasste 15 Teilnehmer*30 Augen, erzeugte 29,53 Training- und Internal-Verification-Datensätze mit Markierung von Cohort, die auf Teilnehmerebene aufgeteilt wurden. Die Test-Cohort umfasste 39 Teilnehmer*39 Augen) und wurde zur endgültigen Bewertung von BlinkNet-Q verwendet. Die Bewertung der Indikatoren wurde mit den Klassifikationsindikatoren C (C) zurückgeführt, basierend auf den Indikatoren R (R), innere Koxten ICC (ICC) und Bland-Altman (Bland-Altman) Analyse. Die DLM-1-Systeme erhielten ein AUC zwischen 0,989 und 0,932-0,993 in der 95%-Vertrauen-Bereichung [CI], und 0,884 in der 95%-Vertrauen-Bereichung [CI], 0,854-0,963 in der DLM-2-Systeme. mean absolute error [MAE] = 1.262 blinks/minute) und unvollständiges blink-ratio (ICC = 0.937; R^2 = 0.876; MAE = 0.059) sind gut konsistent und haben unter standardisierten Aufzeichnungen sehr kleine durchschnittliche Abweichungen. BlinkNet-Q könnte dazu beitragen, in Zukunft zugängliche, auf der Kamera basierende Augenschätzungstools für die Beurteilung der Augenoberfläche zu entwickeln. Es ist notwendig, zu erläutern, dass dies auf der Grundlage internationaler öffentlich zugänglicher Forschungsergebnisse basiert, die für Gesundheitskopf als Referenz dienen und keine klinischen Empfehlungen darstellen.